De l'École de Droit à la Construction d'Agents IA : Réinventer sa Carrière à l'Ère de l'Intelligence Artificielle
Eliott Ardisson
Founder & CEO - Basalt Studio
De juriste à architecte d'agents IA : comment les professionnels issus de métiers non techniques réinventent leur carrière à l'ère de l'IA en 2025.
En bref
- Les compétences analytiques issues de métiers comme le droit, le conseil ou la comptabilité sont directement transférables à la conception d’agents IA — aucune formation en programmation n’est requise pour démarrer.
- La reconversion vers l’IA n’est pas une rupture totale : elle s’appuie sur ce que vous savez déjà faire, en y ajoutant une couche d’outillage et une compréhension des cas d’usage métier.
- Les PME à forte composante humaine (cabinets juridiques, agences de recrutement, cabinets comptables, consultants) sont précisément les structures qui ont le plus besoin de profils hybrides — ni purement techniques, ni purement métier.
- La durée réaliste d’une reconversion solide est de 6 à 12 mois, selon le temps investi et la spécialisation choisie.
- Le marché est encore peu saturé côté profils hybrides : la demande en consultants capables de parler à la fois au dirigeant et à l’outil IA dépasse largement l’offre actuelle.
Ce que signifie vraiment “construire des agents IA” sans être développeur
Il y a une confusion fréquente autour de l’expression “agent IA”. Dans l’imaginaire collectif, elle évoque des lignes de code, des modèles entraînés sur des serveurs, des équipes d’ingénieurs. En réalité, la majorité des agents IA déployés aujourd’hui dans les PME sont des workflows logiques — des enchaînements de tâches, de conditions et d’appels à des modèles de langage — qui peuvent être conçus sans écrire une seule ligne de Python.
Un agent IA, dans un contexte PME, c’est souvent : un formulaire d’entrée, une logique de traitement (classifier, résumer, extraire, répondre), et une sortie vers un canal existant (email, CRM, Slack, Google Sheets). Ce qu’il faut pour concevoir cela, c’est une capacité à modéliser un processus, identifier les décisions qui s’y prennent, et les reformuler de manière que l’outil puisse les exécuter.
C’est exactement ce que font les juristes, les consultants et les comptables chaque jour. Ils lisent une situation complexe, identifient les variables pertinentes, appliquent une logique, et produisent une recommandation structurée. La transition vers la conception d’agents IA, pour ces profils, est moins une rupture qu’une translation de compétences vers un nouveau médium.
Les compétences qui transfèrent — et pourquoi les profils juridiques sont bien positionnés
Analyse et structuration
Un avocat qui rédige un contrat fait exactement ce que fait un bon architecte de prompt : il anticipe les cas limites, il précise les conditions, il lève les ambiguïtés. Un agent IA mal configuré rate sa cible pour les mêmes raisons qu’un contrat mal rédigé : des instructions floues, des cas non couverts, une logique de décision implicite plutôt qu’explicite.
La rédaction de prompts efficaces — qui est l’un des savoir-faire les plus demandés dans le déploiement d’agents — est structurellement proche de la rédaction juridique. Dans les deux cas, on cherche à produire un texte qui génère un comportement prévisible et reproductible.
Logique conditionnelle
Les workflows d’agents IA sont des arbres de décision : si cette condition est vraie, alors faire ceci ; sinon, faire cela. C’est la structure exacte du raisonnement juridique (si les faits vérifient les conditions de la norme, alors la conséquence juridique s’applique). Les profils formés à la logique déductive apprennent naturellement à penser en termes de conditions, d’exceptions et de cas limites — ce qui est précisément ce dont on a besoin pour concevoir des agents robustes.
Compréhension des processus métier
Un consultant en stratégie ou un expert-comptable a passé des années à comprendre comment fonctionnent les organisations : comment les décisions circulent, où se trouvent les goulots d’étranglement, quelles tâches sont répétitives et à faible valeur ajoutée. Cette lecture des organisations est un avantage considérable pour identifier les bons cas d’usage IA — souvent plus difficile que l’implémentation elle-même.
Les outils accessibles aux non-développeurs
La démocratisation des outils d’automatisation et d’IA a été rapide. Plusieurs catégories d’outils permettent aujourd’hui de construire des agents sans compétence en développement :
Outils d’orchestration et d’automatisation
- n8n permet de créer des workflows complexes avec des connexions à des centaines de services, en open source. C’est l’outil que Basalt Studio utilise fréquemment pour des déploiements chez des PME, notamment parce qu’il combine flexibilité et possibilité d’hébergement autonome.
- Des alternatives plus accessibles existent pour débuter, avec des interfaces plus guidées.
Modèles de langage via API
- L’API Claude d’Anthropic et l’accès via OpenRouter permettent d’intégrer des capacités de raisonnement et de génération de texte dans n’importe quel workflow. On n’a pas besoin de comprendre comment fonctionne le modèle — on a besoin de savoir quoi lui demander et comment exploiter sa réponse.
Interfaces de construction d’agents
- Des plateformes permettent de construire des agents conversationnels ou des flux de traitement sans code, en définissant visuellement les étapes et les connexions.
La courbe d’apprentissage réelle pour ces outils est de quelques semaines à quelques mois, selon le niveau de complexité des cas d’usage visés. Ce qui prend plus de temps, c’est comprendre quand et pourquoi utiliser l’IA — pas comment la connecter techniquement.
Les secteurs où ce profil hybride est le plus demandé
Tous les secteurs n’ont pas le même niveau de maturité face à l’IA. Les PME qui passent le plus rapidement à l’action sont celles où la pression concurrentielle est forte et où les processus sont répétitifs mais exigent du jugement — ce qui est exactement le terrain de jeu des agents IA actuels.
Cabinets juridiques et notariaux L’analyse de documents, la génération de premiers jets de contrats, la qualification des demandes entrantes, la veille réglementaire — ce sont des tâches à fort volume et à logique structurée. Un consultant IA qui comprend le secteur juridique peut proposer des agents beaucoup plus pertinents qu’un développeur qui ne connaît pas les contraintes de la profession.
Cabinets de recrutement et RH La qualification de candidatures, la rédaction de fiches de poste, le suivi de pipeline — autant de processus qui se prêtent bien à l’automatisation partielle. Les agences de recrutement à taille humaine n’ont souvent ni le temps ni le budget pour des projets complexes, ce qui favorise les consultants capables de livrer des solutions légères et opérationnelles rapidement.
Comptabilité et services financiers La préparation de rapports, la classification de documents, la réponse aux questions courantes de clients — ces tâches sont chronophages et bien délimitées, ce qui en fait de bons candidats pour des agents IA de première génération.
Consulting et agences Les agences de marketing, les cabinets de conseil en stratégie, les structures de formation professionnelle : ces organisations produisent beaucoup de contenu répétitif (propositions commerciales, rapports, comptes rendus) et bénéficient rapidement d’une automatisation partielle de leur production.
Dans notre travail d’accompagnement de PME dirigées par leur fondateur, nous observons régulièrement que les projets les plus efficaces ne sont pas ceux qui utilisent les technologies les plus récentes — ce sont ceux où le consultant ou l’équipe en charge comprend intimement comment le métier fonctionne.
Un plan de reconversion réaliste : ce qui marche vraiment
Phase 1 — Comprendre le terrain (1 à 2 mois)
Avant de se former à quoi que ce soit, il faut comprendre le marché : qui fait quoi, quelles sont les demandes réelles des PME, quels types d’agents sont déployés, quels problèmes reviennent le plus souvent. Cette phase d’immersion peut se faire en utilisant des outils grand public (ChatGPT, Claude) pour automatiser ses propres tâches quotidiennes, en lisant des études de cas réels, et en échangeant avec des praticiens.
L’objectif n’est pas d’acquérir des compétences — c’est de former son jugement sur ce qui est utile versus ce qui est du bruit.
Phase 2 — Apprendre en faisant (2 à 4 mois)
La meilleure formation est un projet réel avec des contraintes réelles. Choisir un outil d’orchestration, identifier un processus à automatiser dans son propre travail ou pour un contact de confiance, et le construire de bout en bout. Les erreurs et les blocages à cette étape sont précieux — ils créent une compréhension que les tutoriels ne donnent pas.
Les compétences techniques à acquérir à ce stade sont limitées : comprendre ce qu’est un appel API, savoir lire une documentation, comprendre comment un webhook fonctionne. Rien de cela ne nécessite une formation formelle en développement.
Phase 3 — Se positionner et trouver ses premiers clients (3 à 6 mois)
La spécialisation sectorielle accélère considérablement l’acquisition de clients. Un consultant qui se présente comme “spécialiste IA pour les cabinets d’avocats” est beaucoup plus crédible qu’un généraliste. Et sa formation juridique est une barrière à l’entrée naturelle — très peu de développeurs ont cette double compétence.
Les premiers clients viennent presque toujours du réseau existant. Proposer un projet pilote délimité — automatiser un processus précis, livrer un résultat mesurable — est plus efficace que de vendre une transformation globale.
Les pièges les plus courants dans ce type de reconversion
Se former à l’infini avant d’agir. L’écosystème IA évolue vite, et il est tentant de passer d’une formation à une autre en attendant d’être “prêt”. La réalité est que la courbe d’apprentissage s’aplatit très rapidement dès qu’on commence à travailler sur des cas réels.
Sous-estimer l’importance du diagnostic métier. La partie la plus difficile de l’implémentation d’un agent IA n’est pas technique — c’est de comprendre précisément quel problème il résout, dans quel processus il s’insère, et comment son adoption sera gérée. Les profils en reconversion ont tendance à sous-valoriser cette compétence, qu’ils possèdent pourtant naturellement.
Viser des projets trop complexes au démarrage. Un agent qui répond aux questions fréquentes d’un cabinet comptable, correctement paramétré et bien intégré, apporte plus de valeur qu’un projet ambitieux livré en retard et mal adapté aux usages réels.
Négliger la dimension adoption. Livrer un outil ne suffit pas. Les utilisateurs doivent comprendre ce que l’agent fait, lui faire confiance, et adapter leurs habitudes. Cette dimension humaine de l’implémentation est souvent négligée dans les projets qui échouent.
Ce que le marché attend en 2025 et au-delà
Les recherches de McKinsey et de Gartner convergent sur un point : la demande en profils capables de déployer l’IA dans les organisations de taille intermédiaire est structurellement supérieure à l’offre. Les grands cabinets de conseil se concentrent sur les grandes entreprises. Les développeurs indépendants manquent souvent de compréhension business. Les profils hybrides — métier + IA — sont rares et valorisés.
Les opportunités de revenus pour un consultant IA spécialisé sont réelles, même si les niveaux varient beaucoup selon le positionnement, la réputation et la capacité à livrer des résultats mesurables. Ce qui est certain, c’est que le marché ne se contracte pas : les PME qui n’ont pas encore démarré leur transformation IA représentent encore la majorité des acteurs dans la plupart des secteurs.
Les métiers qui émergeront dans les prochaines années autour de l’IA dans les organisations ne sont pas uniquement des métiers techniques. Les rôles de stratégie IA, d’audit de processus automatisés, de formation et d’accompagnement à l’adoption sont en forte croissance — et ce sont des rôles où l’expérience métier compte autant que la maîtrise des outils.
Pour aller plus loin
La reconversion vers l’IA n’est pas réservée aux profils techniques, et elle ne nécessite pas de tout recommencer à zéro. Ce qu’elle demande, c’est une volonté réelle de comprendre le terrain, une capacité à apprendre en faisant, et une stratégie de positionnement claire plutôt qu’une généralisation tous azimuts.
Si vous dirigez une PME et que vous cherchez à comprendre comment l’IA peut s’intégrer concrètement dans vos opérations, ou si vous envisagez d’accompagner ce type de transformation pour d’autres organisations, un échange sur votre situation spécifique est souvent le meilleur point de départ.